주자슈

🏷️ 인물 영상처리 확산모델

개요

주자슈(朱佳樹, Jiashu Zhu)는 알리바바 AMAP-ML 소속 연구원으로, 인터랙티브 월드 모델, 추론 효율화, 벤치마크 구축을 아우르는 연구를 이어가고 있습니다. 특히 실시간 인터랙티브 세계 모델 개발과 대형 모델의 효율적 추론을 위한 양자화 기법에 집중하고 있으며, AMAP-ML 팀의 세계 모델 연구 라인에서 핵심적인 역할을 담당합니다.

공개 GitHub 저장소(shengshu-ai/minWM)를 통해 실시간 인터랙티브 월드 모델을 위한 최소 구현체를 오픈소스로 공유하고 있으며, 이는 이 분야를 처음 접하는 연구자들의 참고 구현으로 널리 활용됩니다.

생애

주자슈의 세부 학력 및 초기 경력에 대한 공개 정보는 제한적입니다. AMAP-ML 연구팀에 합류하기 전부터 대형 모델 압축 및 추론 효율화 분야에서 경험을 쌓은 것으로 보이며, 추샹샹, 레이자첸과 함께 알리바바 AMAP의 인터랙티브 월드 모델 연구 라인을 이끌고 있습니다.

2025년에는 알리바바 AMAP이 공간 지능을 핵심 AI 방향으로 선언하고 세계 모델 개발에 본격 투자를 시작했습니다. 이 전환 시기에 주자슈는 DreamX-World 1.0 개발과 벤치마크 구축에 참여하며 팀의 주요 기여자로 자리를 굳혔습니다.

2026년에는 ICLR 2026에 S²-Guidance 연구가 채택되어 국제 학계에서도 주목받는 연구자로 부상했습니다. Omni-WorldBench와 DreamX-World 1.0 등 다수의 연구를 동시에 진행하며 왕성한 활동을 보이고 있습니다.

업적

주자슈의 대표 기여 중 하나는 대형 모델 압축 도구인 AngelSlim(arXiv:2602.21233, 2026)입니다. AngelSlim은 대형 모델의 추론 비용을 낮추기 위한 압축 프레임워크로, DreamX-World 1.0의 추론 파이프라인에서 FFN 레이어를 FP8로 양자화하는 데 직접 활용되었습니다. 연구와 제품 적용이 연결된 사례입니다.

세계 모델 평가 분야에서는 Omni-WorldBench(2026) 공동 저자로 참여해 인터랙션 중심의 4D 평가 기준을 설계했습니다. 기존의 단순 영상 품질 지표를 넘어 에이전트와 세계 모델 사이의 상호작용 능력을 체계적으로 평가하는 새로운 틀을 제안한 것이 이 작업의 핵심 기여입니다.

minWM은 실시간 인터랙티브 월드 모델을 위한 최소 구현체로, 복잡한 인프라 없이 세계 모델의 핵심 원리를 이해하고 재현할 수 있도록 설계되었습니다. AMAP-ML의 공개 GitHub 조직을 통해 배포되며, 연구 커뮤니티에서 입문용 레퍼런스로 활용됩니다.

여담

주자슈는 연구 결과를 오픈소스로 공개하는 데 적극적인 편입니다. minWM처럼 논문보다 구현체를 먼저 공개하는 방식은 연구 접근성을 높이는 데 기여합니다. AMAP-ML GitHub 조직에는 S²-Guidance, VMBench, MACE-Dance, Omni-Effects, ImagerySearch 등 다양한 비디오 생성 및 평가 프로젝트가 올라와 있으며, 주자슈는 이 흐름에서 꾸준히 등장하는 이름입니다.

ICLR 2026에 채택된 S²-Guidance(Stochastic Self Guidance for Training-Free Enhancement of Diffusion Models)는 훈련 없이 확산 모델의 품질을 높이는 방향을 제시한 연구로, 주자슈의 연구 관심사가 월드 모델 추론 효율화에서 생성 품질 향상으로 폭넓게 확장되고 있음을 보여줍니다.

주요 논문